0

0
0

文字

分享

0
0
0

近地小行星淘金正夯

臺北天文館_96
・2012/05/11 ・1441字 ・閱讀時間約 3 分鐘 ・SR值 554 ・八年級

立即填寫問卷,預約【課程開賣早鳥優惠】與送你【問卷專屬折扣碼】!

 

創投業者和行星探險家得到豐沛資金挹注,由大導演James Cameron、億萬富翁Ross Perot Jr.和Google 執行長 Larry Page等人熱錢贊助,打算帶小行星採礦概念走出科幻小說,進入華爾街以及現實世界。

該公司創始成員包括亞利桑那大學已退休行星科學家 John Lewis,他早在1997年著書出版了《Mining the Sky》,他表示,該公司具體計劃尚未完成,但應該幾年之內就能發現適於開採的目標小行星。最終,該公司打算將開採物送回地球軌道上,開採物將包括製造太空船所需的材料,以及:水。一旦將水分離成氫氣和氧氣,便可以充當其他太空任務的火箭推進劑使用。

Planetary Resources公司的共同創始人之一Eric Anderson說,這家公司並非紙上談兵,他們是「玩真的。」

這家公司的目的是賺錢。

在他們的計畫中,有了這些取自於太空中的材料,未來將可節省數十億美金的火箭發射費用。有些罕見金屬價值不斐,即使千里迢迢把它們運回地球上都划得來。這些統稱為鉑族金屬的稀有元素包括鉑、銥和鋨等等,每28.3公克(一盎司)價值高達1500美元,每公克大約值台幣1500元。按平均值,所有落在地球上的隕石的鉑族金屬含量都高於地球上任何一個已知礦藏量最豐富的礦區。根據Planetary Resources公司計算,單一顆寬500米的小行星所含的鉑族元素就比人類史上所有已經開採的鉑族金屬還多。

NASA JPL火箭工程師Brian Wilcox 表示,要前往地球附近的小行星實際上很容易,因為很多小行星的軌道都與地球類似。弱重力場也使得太空船在小行星上起降更方便,不需消耗太多燃料。「只要達到地球的逃逸速度,接下來就可以慢慢飄達目的地。」

事實上,如果不計較份量多寡,小行星採礦的創舉可回溯到8年前 – 早在2005年,日本所發射的隼鳥號(Hayabusa)就曾經從一顆近地小行星”25143 Itokawa”上採集了樣本。但由於採樣機械的故障,隼鳥號2010年回到地球時只成功地帶回幾微克的樣本。此外,NASA還有另一個稱為OSIRIS REx的任務,預計將在2016年發射,並且在2023年返回地球, 屆時將從另一顆小行星上取得至少60公克的物質。

Planet Resources的出手是否將擊敗OSIRIS Rex,拔得小行星採礦的頭籌,現在言之過早。該公司的共同創辦人表示,首先該公司打算一系列地發射多次太空望遠鏡,大批調查50萬~100萬顆大於50米的近地小行星,科學家們相信其中包含許多值得進一步探索和發現的標的物。然後會有一組大約6顆探測器,將成群結隊地「蜂擁」前往那些榜上有名的優先目標。探測器的結伴而至,意味著它們可同時提供多角度的探測調查,並且將提供備用偵測結果,以防單一探測器萬一失敗,還不至於一切都白費苦工。

探測器上的儀器將可以告訴我們每個小行星的組成成分為何。這樣科學家可找到在地球上和它成份相同的岩石隕石。在採礦樣品運回地球之前,先把這些地球版的隕石送上太空微重力環境中,讓工程團隊去詳加研究,就可以先準備好這些貴金屬在微重力環境下應如何提取。

不過,科學家當然還是偏好在自己的實驗室中看得到樣品。譬如,碳粒隕星(carbonaceous chondrite)這類的隕石,就令一些行星科學家特別有興趣,碳粒隕星通常富含水、氨和其他揮發物,但無法通過穿越地球大氣層的考驗,它卻是行星形成的原始材料。

雖然Planetary Resources的設立目標不是為科學,而是為了拼經濟(賺錢),創辦人之一表示,該公司還是可能會跨進「採樣返回地球」這類業務,服務科學家。當然,這也是符合生財之道的另一個市場。(Lauren譯)

其他相關新聞:

資料來源:中研院天文網, 2012.04.26

轉載自台北天文館之網路天文館網站

文章難易度
臺北天文館_96
482 篇文章 ・ 27 位粉絲
臺北市立天文科學教育館是國內最大的天文社教機構,我們以推廣天文教育為職志,做為天文知識和大眾間的橋梁,期盼和大家一起分享天文的樂趣!

1

133
3

文字

分享

1
133
3
AI 是理科「主場」? AI 也可以成為文科人的助力!
研之有物│中央研究院_96
・2022/08/13 ・5646字 ・閱讀時間約 11 分鐘

立即填寫問卷,預約【課程開賣早鳥優惠】與送你【問卷專屬折扣碼】!

 

本文轉載自中央研究院研之有物,泛科學為宣傳推廣執行單位。

  • 採訪撰文/田偲妤
  • 美術設計/蔡宛潔

AI 的誕生,文理缺一不可

人工智慧(Artificial Intelligence,簡稱 AI)在 21 世紀的今日已大量運用在生活當中,近期掀起熱議的聊天機器人 LaMDA、特斯拉自駕系統、AI 算圖生成藝術品等,都是 AI 技術的應用。多數 AI 的研發秉持改善人類生活的人文思維,除了仰賴工程師的先進技術,更需要人文社會領域人才的加入。

中央研究院「研之有物」專訪院內人文社會科學研究中心蔡宗翰研究員,帶大家釐清什麼是 AI?文科人與工程師合作時,需具備什麼基本 AI 知識?AI 如何應用在人文社會領域的工作當中?

中央研究院人文社會科學研究中心蔡宗翰研究員。圖/研之有物

詩詞大對決:人與 AI 誰獲勝?

一場緊張刺激的詩詞對決在線上展開!人類代表是有「AI 界李白」稱號的蔡宗翰研究員,AI 代表則是能秒速成詩的北京清華九歌寫詩機器人,兩位以「人工智慧」、「類神經」為命題創作七言絕句,猜猜看以下兩首詩各是誰的創作?你比較喜歡哪一首詩呢?

猜猜哪首詩是 AI 做的?哪首詩是人類做的?圖/研之有物

答案揭曉!A 詩是蔡宗翰研究員的創作,B 詩是寫詩機器人的創作。細細賞讀可發覺,A 詩的內容充滿巧思,為了符合格律,將「類神經」改成「類審經」;詩中的「福落天赦」是「天赦福落」的倒裝,多念幾次會發現,原來是 Google 開發的機器學習開源軟體庫「Tensor Flow」的音譯;而「拍拓曲」則是 Facebook 開發的機器學習庫「Pytorch」的音譯,整首詩創意十足,充滿令人會心一笑的魅力!

相較之下,B 詩雖然有將「人工」兩字穿插引用在詩中,但整體內容並沒有呼應命題,只是在詩的既有框架內排列字句。這場人機詩詞對決明顯由人類獲勝!

由此可見,當前的 AI 缺乏創作所需的感受力與想像力,無法做出超越預先設定的創意行為。然而,在不久的將來,AI 是否會逐漸產生情感,演變成電影《A.I. 人工智慧》中渴望人類關愛的機器人?

AI 其實沒有想像中聰明?

近期有一則新聞「AI 有情感像 8 歲孩童?Google 工程師爆驚人對話遭停職」,讓 AI 是否已發展出「自我意識」再度成為眾人議論的焦點。蔡宗翰研究員表示:「當前的 AI 還是要看過資料、或是看過怎麼判讀資料,經過對應問題與答案的訓練才能夠運作。換而言之,AI 無法超越程式,做它沒看過的事情,更無法替人類主宰一切!

會產生 AI 可能發展出情感、甚至主宰人類命運的傳言,多半是因為我們對 AI 的訓練流程認識不足,也缺乏實際使用 AI 工具的經驗,因而對其懷抱戒慎恐懼的心態。這種狀況特別容易發生在文科人身上,更延伸到文科人與理科人的合作溝通上,因不了解彼此領域而產生誤會與衝突。如果文科人可以對 AI 的研發與應用有基本認識,不僅能讓跨領域的合作更加順利,還能在工作中應用 AI 解決許多棘手問題。

「職場上常遇到的狀況是,由於文科人不了解 AI 的訓練流程,因此對 AI 產生錯誤的期待,認為辛苦標注的上千筆資料,應該下個月就能看到成果,結果還是錯誤百出,準確率卡在 60、70% 而已。如果工程師又不肯解釋清楚,兩方就會陷入僵局,導致合作無疾而終。」蔡宗翰研究員分享多年的觀察與建議:

如果文科人了解基本的 AI 訓練流程,並在每個訓練階段協助分析:錯誤偏向哪些面向?AI 是否看過這方面資料?文科人就可以補充缺少的資料,讓 AI 再進行更完善的訓練。

史上最認真的學生:AI

認識 AI 的第一步,我們先從分辨什麼是 AI 做起。現在的數位工具五花八門,究竟什麼才是 AI 的應用?真正的 AI 有什麼樣的特徵?

基本上,有「預測」功能的才是 AI,你無法得知每次 AI 會做出什麼判斷。如果只是整合資料後視覺化呈現,而且人類手工操作就辦得到,那就不是 AI。

數位化到 AI 自動化作業的進程與舉例。圖/研之有物

蔡宗翰研究員以今日常見的語音辨識系統為例,大家可以試著對 Siri、Line 或 Google 上的語音辨識系統講一句話,你會發現自己無法事先知曉將產生什麼文字或回應,結果可能正是你想要的、也可能牛頭不對馬嘴。此現象點出 AI 與一般數位工具最明顯的不同:AI 無法百分之百正確!

因此,AI 的運作需建立在不斷訓練、測試與調整的基礎上,盡量維持 80、90% 的準確率。在整個製程中最重要的就是訓練階段,工程師彷彿化身老師,必須設計一套學習方法,提供有助學習的豐富教材。而 AI 則是史上最認真的學生,可以穩定、一字不漏、日以繼夜地學習所有課程。

AI 的學習方法主要分為「非監督式學習」、「監督式學習」。非監督式學習是將大批資料提供給 AI,讓其根據工程師所定義的資料相似度算法,逐漸學會將相似資料分在同一堆,再由人類檢視並標注每堆資料對應的類別,進而產生監督式學習所需的訓練資料。而監督式學習則是將大批「資料」和「答案」提供給 AI,讓其逐漸學會將任意資料對應到正確答案。

圖/研之有物

學習到一定階段後,工程師會出試題,測試 AI 的學習狀況,如果成績只有 60、70 分,AI 會針對答錯的地方調整自己的觀念,而工程師也應該與專門領域專家一起討論,想想是否需補充什麼教材,讓 AI 的準確率可以再往上提升。

就算 AI 最後通過測試、可以正式上場工作,也可能因為時事與技術的推陳出新,導致準確率下降。這時,AI 就要定時進修,針對使用者回報的錯誤進行修正,不斷補充新的學習內容,讓自己可以跟得上最新趨勢。

在了解 AI 的基本特徵與訓練流程後,蔡宗翰研究員建議:文科人可以看一些視覺化的操作影片,加深對訓練過程的認識,並實際參與檢視與標注資料的過程。現在網路上也有很多 playground,可以讓初學者練習怎麼訓練 AI,有了上述基本概念與實務經驗,就可以跟工程師溝通無礙了。

AI 能騙過人類,全靠「自然語言處理」

AI 的應用領域相當廣泛,而蔡宗翰研究員專精的是「自然語言處理」。問起當初想投入該領域的原因,他充滿自信地回答:因為自然語言處理是「AI 皇冠上的明珠」!這顆明珠開創 AI 發展的諸多可能性,可以快速讀過並分類所有資料,整理出能快速檢索的結構化內容,也可以如同真人般與人類溝通。

著名的「圖靈測試」(Turing Test)便證明了自然語言處理如何在 AI 智力提升上扮演關鍵角色。1950 年代,傳奇電腦科學家艾倫・圖靈(Alan Turing)設計了一個實驗,用來測試 AI 能否表現出與人類相當的智力水準。首先實驗者將 AI 架設好,並派一個人操作終端機,再找一個第三者來進行對話,判斷從終端機傳入的訊息是來自 AI 或真人,如果第三者無法判斷,代表 AI 通過測試。

圖靈測試:AI(A)與真人(B)同時傳訊息給第三者(C),如果 C 分不出訊息來自 A 或 B,代表 AI 通過實驗。圖/研之有物

換而言之,AI 必須擁有一定的智力,才可能成功騙過人類,讓人類不覺得自己在跟機器對話,而這有賴自然語言處理技術的精進。目前蔡宗翰的研究團隊有將自然語言處理應用在:人文研究文本分析、新聞真偽查核,更嘗試以合成語料訓練臺灣人專用的 AI 語言模型。

讓 AI 替你查資料,追溯文本的起源

目前幾乎所有正史、許多地方志都已經數位化,而大量數位化的經典更被主動分享到「Chinese Text Project」平台,讓 AI 自然語言處理有豐富的文本資料可以分析,包含一字不漏地快速閱讀大量文本,進一步畫出重點、分門別類、比較相似之處等功能,既節省整理文本的時間,更能橫跨大範圍的文本、時間、空間,擴展研究的多元可能性。

例如我們想了解經典傳說《白蛇傳》是怎麼形成的?就可以應用 AI 進行文本溯源。白蛇傳的故事起源於北宋,由鎮江、杭州一帶的說書人所創作,著有話本《西湖三塔記》流傳後世。直至明代馮夢龍的《警世通言》二十八卷〈白娘子永鎮雷峰塔〉,才讓流傳 600 年的故事大體成型。

我們可以透過「命名實體辨識技術」標記文本中的人名、地名、時間、職業、動植物等關鍵故事元素,接著用這批標記好的語料來訓練 BERT 等序列標注模型,以便將「文本向量化」,進而找出給定段落與其他文本的相似之處。

經過多種文本的比較之後發現,白蛇傳的原型可追溯自印度教的那伽蛇族故事,傳說那伽龍王的三女兒轉化成佛、輔佐觀世音,或許與白蛇誤食舍利成精的概念有所關連,推測印度神話應該是跟著海上絲路傳進鎮江與杭州等通商口岸。此外,故事的雛型可能早從唐代便開始醞釀,晚唐傳奇《博異志》便記載了白蛇化身美女誘惑男子的故事,而法海和尚、金山寺等關鍵人物與景點皆真實存在,金山寺最初就是由唐宣宗時期的高僧法海所建。

白蛇傳中鎮壓白娘子的雷峰塔。最早為五代吳越王錢俶於 972 年建造,北宋宣和二年(1120 年)曾因戰亂倒塌,大致為故事雛形到元素齊全的時期。照片中雷峰塔為 21 世紀重建。圖/Wikimedia

在 AI 的協助之下,我們得以跨時空比較不同文本,了解說書人如何結合印度神話、唐代傳奇、在地的真人真事,創作出流傳千年的白蛇傳經典。

最困難的挑戰:AI 如何判斷假新聞

除了應用在人文研究文本分析,AI 也可以查核新聞真偽,這對假新聞氾濫的當代社會是一大福音,但對 AI 來說可能是最困難的挑戰!蔡宗翰研究員指出 AI 的弱點:

如果是答案和數據很清楚的問題,就比較好訓練 AI。如果問題很複雜、變數很多,對 AI 來說就會很困難!

困難點在於新聞資訊的對錯會變動,可能這個時空是對的,另一個時空卻是錯的。雖然坊間有一些以「監督式學習」、「文本分類法」訓練出的假新聞分類器,可輸入當前的新聞讓機器去判讀真假,但過一段時間可能會失準,因為新的資訊源源不絕出現。而且道高一尺、魔高一丈,當 AI 好不容易能分辨出假新聞,製造假新聞的人就會破解偵測,創造出 AI 沒看過的新模式,讓先前的努力功虧一簣。

因此,現在多應用「事實查核法」,原理是讓 AI 模仿人類查核事實的過程,尋找權威資料庫中有無類似的陳述,可用來支持新聞上描述的事件、主張與說法。目前英國劍橋大學為主的學者群、Facebook 與 Amazon 等業界研究人員已組成 FEVEROUS 團隊,致力於建立英文事實查核法模型所能運用的資源,並透過舉辦國際競賽,廣邀全球學者專家投入研究。

蔡宗翰教授團隊 2021 年參加 FEVEROUS 競賽勇奪全球第三、學術團隊第一後,也與合作夥伴事實查核中心及資策會討論,正著手建立中文事實查核法模型所需資源。預期在不久的將來,AI 就能幫讀者標出新聞中所有說法的資料來源,節省讀者查證新聞真偽的時間。

AI 的無限可能:專屬於你的療癒「杯麵」

想像與 AI 共存的未來,蔡宗翰研究員驚嘆於 AI 的學習能力,只要提供夠好、夠多的資料,幾乎都可以訓練到讓人驚訝的地步!圖/研之有物

AI 的未來充滿無限可能,不僅可以成為分類與查證資料的得力助手,還能照護並撫慰人類的心靈,這對邁入高齡化社會的臺灣來說格外重要!許多青壯年陷入三明治人(上有老、下有小要照顧)的困境,期待有像動畫《大英雄天團》的「杯麵」(Baymax)機器人出現,幫忙分擔家務、照顧家人,在身心勞累時給你一個溫暖的擁抱。

機器人陪伴高齡者已是現在進行式,新加坡南洋理工大學 Gauri Tulsulkar 教授等學者於 2021 年發表了一項部署在長照機構的機器人實驗。這名外表與人類相似的機器人叫「娜丁」(Nadine),由感知、處理、互動等三層架構組成,可以透過麥克風、3D和網路鏡頭感知用戶特徵、所處環境,並將上述資訊發送到處理層。處理層會依據感知層提供的資訊,連結該用戶先前與娜丁互動的記憶,讓互動層可以進行適當的對話、變化臉部表情、用手勢做出反應。

長照機構的高齡住戶多數因身心因素、長期缺乏聊天對象,或對陌生事物感到不安,常選擇靜默不語,需要照護者主動引導。因此,娜丁內建了注視追蹤模型,當偵測到住戶已長時間處於被動狀態,就會自動發起話題。

實驗發現,在娜丁進駐長照機構一段時間後,住戶有一半的天數會去找她互動,而娜丁偵測到的住戶情緒多為微笑和中性,其中有 8 位認知障礙住戶的溝通能力與心理狀態有明顯改善。

照護機器人娜丁的運作架構。圖/研之有物

至於未來的改進方向,研究團隊認為「語音辨識系統」仍有很大的改進空間,需要讓機器人能配合老年人緩慢且停頓較長的語速,音量也要能讓重聽者可以清楚聽見,並加強對方言與多語混雜的理解能力。

臺灣如要發展出能順暢溝通的機器人,首要任務就是要開發一套臺灣人專用的 AI 語言模型,包含華語、臺語、客語、原住民語及混合以上兩種語言的理解引擎。這需花費大量人力與經費蒐集各種語料、發展預訓練模型,期待政府能整合學界與業界的力量,降低各行各業導入 AI 相關語言服務的門檻。

或許 AI 無法發展出情感,但卻可以成為人類大腦的延伸,協助我們節省處理資料的時間,更可以心平氣和地回應人們的身心需求。與 AI 共存的未來即將來臨,如何讓自己的行事邏輯跟上 AI 時代,讓 AI 成為自己的助力,是值得你我關注的課題。

延伸閱讀

文章難易度
所有討論 1
研之有物│中央研究院_96
253 篇文章 ・ 2220 位粉絲
研之有物,取諧音自「言之有物」,出處為《周易·家人》:「君子以言有物而行有恆」。探索具體研究案例、直擊研究員生活,成為串聯您與中研院的橋梁,通往博大精深的知識世界。 網頁:研之有物 臉書:研之有物@Facebook

0

6
8

文字

分享

0
6
8
如果天空少了月亮,地球會怎麼樣?——《有趣的天文學》
麥浩斯
・2022/04/25 ・1477字 ・閱讀時間約 3 分鐘

立即填寫問卷,預約【課程開賣早鳥優惠】與送你【問卷專屬折扣碼】!

 

如果天空少了月亮?文學家應該會很難過,音樂家也會少了創作的題材,沒有中秋節就少了月餅,也沒有烤肉。不過夜晚少了一個大光害,天文學家絕對會很高興!

潮汐變小、一天變短

地球上的潮起潮落,主要是月球繞地球運行造成的。太陽也會影響地球的潮汐,不過對地球的潮汐力只有月球的 46%。如果沒有月球的話,造成地球潮起潮落就只剩下太陽,滿潮和乾潮的幅度就會變小。

月球讓地球產生的潮汐,使地球愈轉愈慢。數十億年前,地球剛形成時,地球自轉的速度比現在快許多;因為月球的潮汐力,讓地球自轉的速度漸漸變慢,慢到現在的一天 24 小時。如果沒有月球,地球的一天可能不到 10 小時。

月球讓地球產生的潮汐,使地球愈轉愈慢。圖/Pexels

左搖右晃的地球

月球就像是走鋼索的人握的平衡桿,讓地球自轉軸保持穩定,如果少了月球這個平衡桿,地球自轉軸左搖右晃的幅度就會變大。

目前地球自轉軸相對於公轉平面的傾斜角是 23.4 度,因為月球的存在,這個傾角的變化幅度不大,大約在 22.1 度和 24.5 度之間。傾角讓太陽直射地球的位置在北回歸線和南回歸線間移動,讓地球出現四季變化。

如果沒有月球,地球的自轉軸變動的幅度就會變大,自轉軸的變動會對我們有什麼樣的影響?假設兩個極端的例子,地球的自轉軸傾角是 0 度和 90 度。

如果地球傾角是 0 度,太陽永遠直射赤道,地球上不會有北回和南回歸線,地球將不再有四季變化。

如果地球傾角是 90 度,太陽直射的區域會從北極到南極,也就是北回歸線位在北緯 90 度(也就是北極點),而南回歸線在南緯 90 度(南極點)。這種情況下,地球四季變化會非常劇烈,北半球夏天時,北極不會結冰,溫度比現在還高,南半球冰凍的區域比現在還大,這種極端氣候絕對不利現在地球上生物的生存。

未來人類可能先在月球建立基地,作為人類前進火星的跳板,在月球上測試火星裝備和訓練太空人,準備完成後再前往火星。如果少了月球的整備演練,要一步登陸火星將會困難重重。圖/麥浩斯出版

月球替地球擋子彈

月球是地球的衛星,一直以來它都保護著我們的地球。用望遠鏡看月球,會發現月球上有許多坑洞,這些坑洞幾乎都是隕石撞擊後形成的隕石坑,表示月球在早期受到許多的撞擊。如果少了月球擋下這些隕石,這些隕石可能就會撞上地球。

隕石撞擊對地球的生命影響很大。6600 萬年前,一顆 10 公里左右的隕石撞擊地球,造成恐龍滅絕。恐龍滅絕後,哺乳類才能興起,人類才有機會出現在地球上。

那些沒有被月球擋下的隕石,如果撞上地球,可能會改變地球物種的演化,人類說不定就不會出現在地球! 最後,如果沒有月亮,阿姆斯壯和另外 11 名阿波羅太空人也就無法登陸月球。人類少了探索月球的寶貴經驗,要直接踏上其他行星表面(例如火星),難度會高許多,甚至變得不可能!

——本文摘自《噢!原來如此 有趣的天文學》,2022 年 3 月,麥浩斯出版

1

6
2

文字

分享

1
6
2
Just Look Up!小行星監測系統「哨兵」全面升級
EASY天文地科小站_96
・2022/01/03 ・2549字 ・閱讀時間約 5 分鐘

立即填寫問卷,預約【課程開賣早鳥優惠】與送你【問卷專屬折扣碼】!

 

  • 作者/陳子翔|師大地球科學系、EASY 天文地科團隊創辦者

看到下圖密布於太陽系的小行星軌道,你是否會對小行星撞地球這樣的災難感到擔心呢?

對地球有潛在撞擊威脅的 2200 個小行星軌道。圖/NASA/JPL-Caltech

事實上面對小行星的撞擊風險,科學家也是嚴陣以待。畢竟即便是一顆直徑只有數十公尺的小行星撞上地球,其威力也足以摧毀一座城市。更何況還有許多直徑數百公尺,甚至數公里的近地小行星(near-Earth asteroids)存在。因此,對於這些小行星的觀測、研究與監控就顯得格外重要。

揪出藏身夜空中的小行星

對近地小行星監測的第一步,就是要先找出「它們在哪裡」。如同在戰場上比起收到敵方要發動攻勢的情報,更可怕的就是連敵人是誰、敵人在哪裡都還不清楚就被暗中襲擊了。

然而棘手的是,由於直徑小,反照率低的特性,小行星的亮度往往非常低,需要仰賴觀測性能強大的天文台才有辦法看見它們。但大型天文台的觀測視野卻通常很小,難以有效率的「掃描」廣大的夜空,而且這些天文台本來就有很多天文研究工作要進行,能撥給小行星觀測的時間也相當有限。

有鑑於這些因素,專門設立搜尋近地小天體的計畫與望遠鏡,就成了更合適的選項。像是林肯近地小行星研究小組(Lincoln Near-Earth Asteroid Research, LINEAR)、卡特林那巡天系統計畫(Catalina Sky Survey, CSS)以及泛星計畫(Pan-STARRS)等。它們扮演「小行星獵人」的角色定期掃視夜空,尋找移動中的可疑光點。目前透過這些計劃發現的近地小行星已經多達數萬個。

https://upload.wikimedia.org/wikipedia/commons/7/7d/Neo-chart.png
每年由近地小天體搜尋計畫找到的近地小行星數量,藍色為林肯近地小行星研究小組,綠色為卡特林那巡天系統計畫,紫色為泛星計畫。圖/Wikipedia

用自動化的監測系統,找出小行星中的「危險份子」

發現這些小行星的下一步,就是由觀測資料計算出它們的軌道,並找出哪些小行星對於我們的威脅比較大。而面對數量龐大的近地小行星資料,NASA 噴射推進實驗室(Jet Propulsion Laboratory, JPL)早在 2002 年就開發出一套名為「哨兵(Sentry)」的監測系統,運用設計好的演算法,自動化的評估每個近地小行星撞擊地球的機率,並列出對地球威脅比較大的小行星名單。

以目前的速率來看,每年大約有 3000 個新的近地小行星被發現。而未來隨著更多更先進的天文台投入小行星搜尋的計畫,可以預期小行星的發現數量還會出現顯著的成長。因此就在不久前,NASA 的天文學家已發展出下一代更先進的小行星監測系統:哨兵 II(Sentry II),以因應未來更龐大的資料,同時也對已經使用了近 20 年的哨兵系進行補強。

監測系統升級上線,更完善的為地球把關

就如同各種應用程式都會進行版本更新,並在更新中修正上一個版本的缺點,這次哨兵 II 系統的升級,也從哨兵一代系統多年累積的經驗進行修正。

首先,第一代哨兵系統只有計算萬有引力對小行星軌道的影響,並沒有考量其他外力,例如來自太陽的輻射壓等等。這些力量雖然相對微小,但積少成多、聚沙成塔,長期下來也能影響小行星運行的軌道。另一方面,由於小行星本身會自轉,因此小行星的受光面和背光面會不停改變方向,如此一來熱輻射對小行星造成的力,也會隨著轉動而變化,這個效應被稱作「亞爾科夫斯基效應」(Yarkovsky Effect)。而哨兵 II 的演算法都有將這些因素納入考量,讓小行星的軌道估計算更為精準。

亞爾科夫斯基效應的動畫。影片/NASA

再來,當小行星的非常靠近地球時,受到地球引力的影響,軌道以及速度都會大幅改變。其原理與太空探測器借助行星的引力來改變自身的軌道和加減速的「重力彈弓」效應相同。

然而太空探測器上面有很多精密的儀器提供科學家精準的定位,小行星卻只能透過地面觀測來估算出它的軌道,科學家其軌道掌握的精確度當然就比較差。而當小行星接近地球時,軌道的計算誤差就會被大幅放大。一個小行星飛掠地球時幾百公尺的誤差,到了下一次來訪時可能就成了幾千公里的差別了。而這幾千公里,就有可能是「撞上地球」和「安全通過」的差距。好消息是,由於在軌道計算上考量的因素更全面,演算法也更加精密,讓哨兵 II 即使在面對這樣的狀況,也能計算出更為精準的結果。

最後,哨兵 II 系統在計算小行星的撞擊風險時,判斷的方式也相較上一代系統更縝密。如同任何觀測與測量,小行星的軌道也會存在誤差,而哨兵 II 會從小行星軌道的誤差範圍內隨機取樣進行計算,以檢查小行星有沒有撞上地球的可能性。相比於第一代哨兵系統預先將有撞擊風險的軌道推算出來後才評估撞擊機率的做法,這樣的更新能降低漏網之魚出現的可能性。

流星, 小行星, 空间, 灾难, 彗星, 天文学, 陨石, 宇宙, 星星, 星系, 坠落, 天空, 科学
隨著科技不斷在更新換代,人類對小行星的認識越來越深入,但我們也仍未擺脫小行星撞擊的威脅。圖/Pixabay

持續探索可能的威脅

小行星、彗星等天體的撞擊一直以來都是很多科幻作品的題材。從科學的角度來看,太陽系中也的確存在非常多小天體,可能對地球上的生命構成威脅。雖然對於近地小天體的災害預防,當今的科學與科技還遠達不到萬無一失的程度,但過去三十年,人類對近地小行星的認識已有了顯著的進展。從搜尋小行星的各個計畫,到針對小行星的太空探測任務,以及本篇文章介紹的兩代哨兵監測系統,都帶給我們許多重要資訊,立下人類面對小行星撞擊風險時不可或缺的基石。

延伸閱讀

參考資料

所有討論 1
EASY天文地科小站_96
21 篇文章 ・ 766 位粉絲
EASY 是由一群熱愛地科的學生於 2017 年創立的團隊,目前主要由研究生與大學生組成。我們透過創作圖文專欄、文章以及舉辦實體活動,分享天文、太空與地球科學的大小事